Back to top

Sechs Nutzungsfälle für Big Data im modernen Unternehmen

Big Data und Suche im Härtetest

Unternehmen sammeln heutzutage aus ihren verschiedenen Tätigkeitsbereichen enorme Datenmengen an. Daher kann man sich kaum davor retten, an allen Ecken Analysten über die Macht des Big Data reden zu hören. Aber wie genau schafft Big Data es, mehr Business Intelligence zu liefern als jede andere Technik des Data-Minings? Wo liegt der Unterschied zu SQL-Abfragen oder dem Durchsuchen von Excel-Tabellen? 

In der Reihe „Big Data und Suche im Härtetest“ wollen wir sechs Nutzungsfälle vorstellen, in denen Big Data große Auswirkungen auf die jeweilige Branche hatte. Die folgenden Texte dieser Reihe werden vertieft auf einzelne Nutzungsfälle eingehen, besprechen, wie Content-Verarbeitung bei strukturiertem und unstrukturiertem Content, NoSQL-Datenbanken, Predictive Analytics, maschinelle Lernverfahren und fortgeschrittene Techniken der Bewertung von Suchrelevanz die Suche und die Analyse von Big Data zu einem strategischen Teil des modernen Geschäftsalltags gemacht haben.

 

Nutzungsfall 1: Log-Analyse

Klicken Sie hier, um unser komplettes Videoblog zur Log-Analyse mit Big Data über Open-Source anzusehen.

Log-Daten stellen eine fundamentale Grundlage für viele Anwendungen von Big Data im Geschäftsalltag dar. Tools für Log-Management und Analyse existierten schon lange vor Big Data. Aber durch den exponentiellen Anstieg der Geschäftsaktivitäten und Transaktionen wird es immer komplexer, Log-Daten auf effektive und kosteneffiziente Weise zu speichern, zu verarbeiten und zu präsentieren.

Viele Tools der Log-Analyse, sowohl kommerziell als auch Open-Source, bieten die Möglichkeit, massive Mengen Log-Daten zu sammeln, zu verarbeiten und zu analysieren, ohne die Daten dazu in relationale Datenbanken einlesen und durch SQL-Abfragen abrufen zu müssen. Die Synergie zwischen Suchfunktion und Analyse von Big Data hat es Unternehmen ermöglicht, auch Einblicke für zeitkritische Geschäftsprozesse zu gewinnen. Die Analyse von Logs über Big Data wird inzwischen für verschiedene Geschäftsziele eingesetzt, von IT-Systemsicherheit und Netzwerkleistung zu Markettrends und Personalisierung im E-Commerce.

 

Nutzungsfall 2: Personalisierung im E-Commerce 

Klicken Sie hier, um unser komplettes Videoblog zum Einsatz von Big Data für bessere Suche und Umwandlungsraten im E-Commerce anzusehen.

Erinnern Sie sich noch daran, wie Sie letztens entspannt auf Amazon und Ebay nach einem netten Geschenk gestöbert haben (oder panisch in letzter Sekunde eins finden mussten)? Wie oft kommt es vor, dass man etwas in das Suchfeld eingibt, auf die Navigationsleiste klickt, Produktbeschreibungen im Detail betrachtet oder ein Produkt dem Warenkorb hinzufügt? Für ein Unternehmen im E-Commerce ist jede dieser Aktionen ein Baustein, der hilft, die gesamte Erfahrung im Einkauf zu optimieren. Daher sind Sammeln, Verarbeiten und Analysieren der Verhaltensmuster der Käufer sowie deren Transaktionsdaten für den E-Commerce von essenzieller Bedeutung. Sie bieten enorme Möglichkeiten durch Big Data.

Eine leistungsfähige Plattform für die Suche und Analyse von Big Data ermöglicht es Unternehmen im E-Commerce, (1) Produktdaten zu bereinigen und anzureichern, um eine bessere Sucherfahrung zu bieten, sowohl auf dem Desktop als auch auf mobilen Geräten und (2) Predictive Analytics und maschinelle Lernverfahren einzusetzen, um die Vorlieben des Benutzers durch Log-Daten vorherzubestimmen und dann personalisiert Produkte anzubieten, in der Reihenfolge, die am wahrscheinlichsten zu einem Kauf führt und damit die Umwandlungsrate maximiert. In letzter Zeit geht der Trend zu E-Commerce-Personalisierung in Echtzeit, unterstützt durch die massive Verarbeitungsleistung durch Big Data.

 

Nutzungsfall 3: Empfehlungsdienste

Klicken Sie hier, um unser komplettes Videoblog zur Erstellung von Empfehlungsdiensten über Big Data anzusehen.

Wer schon einmal auf YouTube, Netflix, Spotify oder anderen Mediendiensten unterwegs war, hat bestimmt Empfehlungen für ähnliche Videos, Filme oder Musik gesehen. Ist es nicht nett, eine solche Auswahl geboten zu bekommen, auf die persönlichen Vorlieben abgestimmt? Es ist einfach. Es spart Zeit. Eine rundum zufriedenstellende Benutzererfahrung, oder? Wer diesen Vorschlägen gefolgt ist, hat vielleicht auch bemerkt, wie viel besser die folgenden Vorschläge wurden. Je mehr man sieht, desto besser die weiteren Vorschläge. In der Medien- und Unterhaltungsbranche herrscht starke Konkurrenz, daher ist es immer wichtig, die perfekte Benutzererfahrung zu bieten. 

Big Data ist sowohl skalierbar als auch in der Lage, massive Mengen strukturierter (z.B. Videotitel aus der Suche, bevorzugte Genres bei Musik) wie auch unstrukturierter Daten (z.B. Muster, nach denen Benutzer Videos ansehen oder Musik hören) zu verarbeiten. Damit sind Unternehmen in der Lage, Milliarden Klicks zu analysieren und die Daten der angesehenen Inhalte sowohl für die Benutzer als auch alle vergleichbaren Benutzer zu bedenken, um die besten Empfehlungen zu finden. Mit der Zeit werden die Empfehlungen durch maschinelle Lernverfahren und Predictive Analytics immer besser auf den Geschmack des Benutzers zugeschnitten. 

 

Nutzungsfall 4: Automatische Platzierung von Kandidaten bei Personaldienstleistern

Personaldienstleister leiden oft darunter, dass sie keine Tools (oder nicht die richtigen Tools) haben, um Kandidaten schnellstmöglich passenden Stellen zuzuordnen. Auch hier herrscht strenger Wettbewerb. Der Abgleich von Stichwörtern mit Stellenbeschreibungen bietet nicht mehr die gewünschten Ergebnisse, neue Ansätze nutzen Big Data für Personaldienstleistungen und ermöglichen es Personaldienstleistern mehr als je zuvor, die Belegung offener Stellen zu beschleunigen und zu automatisieren.

Eine Personaldienstleistungsplattform mit Big Data kann interne Datenbanken durchsuchen und eine 360-Grad-Ansicht des Kandidaten bieten, umfassend seine Ausbildung, Erfahrung, Fähigkeiten, frühere Stellenbezeichnungen, Zertifizierungen, den geografischen Standort und alles sonstige, was den Personaldienstleistern noch einfällt. Dies wird dann verglichen mit früheren Anwerbungen des Unternehmens, hinsichtlich Erfahrung, Gehalt, bisher erfolgreich eingestellten Kandidaten usw., um den besten Treffer zu finden. Diese Plattformen können sogar noch weiter gehen, als nur passende Kandidaten zu finden. Sie können zukünftigen Personalbedarf vorhersehen und Kandidaten vorschlagen, ehe die Position überhaupt ausgeschrieben wird, so dass die Personaldienstleister ihre Arbeit aktiver angehen können – und sich damit einen Wettbewerbsvorteil gegenüber der Konkurrenz verschaffen. 

 

Nutzungsfall 5: Erkennung von Versicherungsbetrug 

Klicken Sie hier, um unser komplettes Videoblog zur Betrugserkennung über Big Data - ein Fallbeispiel aus der Versicherungsbranche - anzusehen.

Unternehmen, die mit großen Mengen finanzieller Transaktionen umgehen müssen, suchen stets nach innovativen und effektiven Ansätzen, Betrug entgegenzuwirken. Krankenversicherer sind hier keine Ausnahme, Versicherungsbetrug kostet die Branche bis zu 5 Milliarden US-Dollar pro Jahr. In traditionellen Modellen der Betrugserkennung müssten die Ermittler gemeinsam mit BI-Analysten komplexe SQL-Abfragen ausführen, in denen die Daten aus Rechnungen mit den Leistungsanträgen verglichen werden. Dabei dauert es oft Wochen oder Monate, bis die Ergebnisse vorliegen. Dieser Prozess führt zu Verzögerungen in der Bearbeitung potenzieller Betrugsfälle und kann damit zu enormen Verlusten für das Unternehmen führen.

Mit Techniken des Big Data können Milliarden Datensätze aus Rechnungsstellung und Leistungsanträgen verarbeitet und in eine Suchmaschine einbezogen werden, so dass die Ermittler die individuellen Datensätze über intuitive Suchvorgänge mittels einer grafischen Benutzerschnittstelle analysieren können. Predictive Analytics und maschinelle Lernverfahren ermöglichen es der Big Data-Plattform weiterhin, eine automatische Betrugserkennung vorzunehmen, in der automatisch Muster gekennzeichnet werden, die bereits bekannten Betrugsfällen gleichen.

Hier ein Beispiel, wie ein Versicherungsunternehmen für Arbeitnehmer-Entschädigung Betrugsfälle über Big Data aufdeckt. 

 

Nutzungsfall 6: Boost bei Relevanz und Einbehalt für Online-Medienanbieter

Klicken Sie hier, um unser komplettes Videoblog zum Einsatz von Big Data für besseren Umsatz und Kundenbindung bei Online-Medienanbietern anzusehen.

Für Unternehmen, die Forschungsinhalte publizieren, ist es von kritischer Bedeutung, ihren Abonnenten den richtigen Content zu liefern. Nur so können diese Anbieter weiter relevant bleiben, die Zahl der Abonnenten erweitern und den Profit steigern. Daher ist herausragendes SEO wichtig, ebenso wie eine Website, die leicht nach Content durchsucht werden kann, sowie die Art, wie dieser Content dem Benutzer angezeigt wird. All dies führt zu höheren Umwandlungsraten und wiederkehrenden Kunden.

Personalisierung spielt eine immer größere Rolle. Big Data wird damit zum Musterbeispiel für die Verarbeitung und Analyse von Content (Autoren, Titel, Themen) und Benutzerdaten (Dokumentendownloads, Vorlieben). Zuerst wird eine leistungsfähige Suchmaschine die Metadaten der Forschungsdokumente bereinigen und anreichern, um sicherzustellen, dass die Benutzer relevanten Content finden und leicht zu verwandtem Content weitergehen können. Dann wird der Medienanbieter den Content in einer bestimmten Reihenfolge anbieten, die durch maschinelle Lernverfahren und Predictive Analytics bestimmt wird, so dass die für den Benutzer interessantesten Dokumente direkt oben in den ersten Suchtreffern erscheinen. Aber wie kann man sich da sicher sein? Indem man ständig offline die Leistung der Suchmaschine testet und bewertet um die Suchgenauigkeit und Abbruchraten vorherzubestimmen, ehe die Suchmaschine in den tatsächlichen Betrieb aufgenommen wird. 


Aufgrund der Wirkung des Nexus of Forces (dem Kräfteverbund von sozialen Medien, der mobilen Cloud und Informationen), der zur treibenden Kraft hinter modernen Unternehmen wird, gehen wir davon aus, dass in Zukunft immer mehr innovative Ansätze auftauchen werden, die Suche und Analyse von Big Data nutzen, um die enormen Mengen verfügbarer Daten ideal zum Einsatz zu bringen. Wie auch die Cloud ist Big Data vielleicht ein oft übermäßig eingesetztes Schlagwort, dennoch kann man die Vorteile nicht leugnen, die sich durch diese Technologie bieten. Big Data ist Realität und wird auch in den kommenden Jahren das Ökosystem der Geschäftstechnologie weiter bereichern.

0